待验证50% 置信事实精确时间
GNoME（Graph Networks for Materials Exploration）使用图神经网络（GNN）来预测晶体结构的稳定性，核心指标是材料在凸包上的分解能
1
来源数
50%
置信度
长期有效
时效性
2026/8/26
首次发现
来源
涉及实体
相关事实
待验证GNN在材料科学中将晶体结构映射为图数据结构，原子作为节点、化学键作为边，通过消息传递机制学习79% 相似待验证物理信息神经网络（PINNs）通过将物理方程约束编入损失函数改善分布外泛化能力，将类似物理先验融入渲染代理网络是当前研究前沿56% 相似待验证卷积神经网络（CNN）受视觉皮层结构启发，通过卷积核在图像上滑动提取局部特征，参数共享机制大幅降低计算量52% 相似待验证2018年Li等人在论文《Visualizing the Loss Landscape of Neural Nets》中研究表明简单网络的损失景观也具有复杂几何特性51% 相似待验证认知科学家 Dedre Gentner 的结构映射理论指出类比的本质是在两个领域之间建立深层关系结构的同构映射，而非表面特征相似51% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/802075API
curl https://kongchang.com/api/v1/knowledge/claims/802075MCP
get_claim(id=802075)